摘要：
*特征工程是一个复杂活，本人认为它一般包括以下几个过程：特征初筛、特征衍生(加工)、特征选择； 特征筛选是一个精细活，需要考虑很多因素，比如：预测能力、相关性、稳定性、合规性、业务可解释性等等。 案例实践代码：https://github.com/iihcy/Credit_ACard 从广义上，特征 阅读全文
摘要：
*探索性数据分析：用于初步检验数据的质量，需计算各类数据特征指标。 案例实践代码：https://github.com/iihcy/Credit_ACard 本文框架： 探索数据分布（Exploratory Data Distribution，EDD） 缺失率（Missing Rate） 重复值（D 阅读全文
摘要：
起源：PCA、特征提取.... 随着一些奇怪的高维数据出现，比如图像、语音，传统的统计学-机器学习方法遇到了前所未有的挑战。 数据维度过高，数据单调,噪声分布广，传统方法的“数值游戏”很难奏效。数据挖掘？已然挖不出有用的东西。 为了解决高维度的问题，出现的线性学习的PCA降维方法，PCA的数学理论确 阅读全文
摘要：
@Hcy（黄灿奕） 文本分类，首先它是分类问题，应该对应着分类过程的两个重要的步骤，一个是使用训练数据集训练分类器，另一个就是使用测试数据集来评价分类器的分类精度。然而，作为文本分类，它还具有文本这样的约束，所以对于文本来说，需要额外的处理过程，我们结合使用libsvm从宏观上总结一下，基于libs 阅读全文
摘要：
系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) hdparm -i /dev/hda 罗列一个磁盘的架构特性 hdparm -tT / 阅读全文
摘要：
matlab函数 randn：产生正态分布的随机数或矩阵的函数 randn：产生均值为0，方差σ^2 = 1，标准差σ = 1的正态分布的随机数或矩阵的函数。 用法： Y = randn(n)：返回一个n*n的随机项的矩阵。如果n不是个数量，将返回错误信息。 Y = randn(m,n) 或 Y = 阅读全文
摘要：
size（）：获取矩阵的行数和列数 （1）s=size(A), 当只有一个输出参数时，返回一个行向量，该行向量的第一个元素时矩阵的行数，第二个元素是矩阵的列数。 （2）[r,c]=size(A), 当有两个输出参数时，size函数将矩阵的行数返回到第一个输出变量r，将矩阵的列数返回到第二个输出变量c 阅读全文
摘要：
Matlab plotyy画双纵坐标图实例 x = 0:0.01:20;y1 = 200*exp(-0.05*x).*sin(x);y2 = 0.8*exp(-0.5*x).*sin(10*x);[AX,H1,H2] = plotyy(x,y1,x,y2,'plot'); set(AX(1),'XC 阅读全文
摘要：
支持中文分词（N-最短路分词、CRF分词、索引分词、用户自定义词典、词性标注），命名实体识别（中国人名、音译人名、日本人名、地名、实体机构名识别），关键词提取，自动摘要，短语提取，拼音转换，简繁转换，文本推荐，依存句法分析（MaxEnt依存句法分析、CRF依存句法分析）。提供Lucene插件，兼容L 阅读全文
摘要：
Linux系统调用--getrusage函数详解 功能描述： 获得进程的相关资源信息。如：用户开销时间，系统开销时间，接收的信号量等等; 用法： #include <sys/types.h> #include <sys/time.h> #include <sys/resource.h> #defin 阅读全文